{ "id": "electroencephalography", "title": "脑电图描记术", "lang": "zh-Hans", "source_lang": "en", "summary": "脑电图描记术通过记录大脑电活动，用于临床评估、生理监测和神经科学研究。", "category": "health", "subcategory": "medicine", "type": "concept", "aliases": [ "脑电图", "脑电图学", "脑电描记术", "EEG" ], "generated_at": "2026-10-22", "model": "pro/gpt-6.1-sol", "url": "https://aiwiki.page/zh/electroencephalography/", "translations": { "en": { "url": "https://aiwiki.page/en/electroencephalography/", "json": "https://aiwiki.page/en/electroencephalography.json" } }, "sections": [ { "heading": "", "text": "脑电图描记术（EEG）是一种电生理学监测方法，通常通过放置在头皮上的电极来记录大脑产生的电活动。记录所得的图谱称为脑电图。头皮脑电图主要反映的是皮层神经元群体的突触后电位总和，而非单个细胞的神经冲动。其高时间分辨率使其在研究大脑功能的快速变化时尤为有用。(ncbi.nlm.nih.gov)\n\n脑电图在评估疑似癫痫发作与癫痫、表征睡眠相关活动以及监测危重患者的大脑功能方面具有公认的重要作用。对其结果的解读取决于记录条件、受检者的年龄与警觉状态，以及具体的临床背景；解读时必须将伪迹和正常变异与异常表现区分开来。除临床实践外，脑电图还为感觉处理、认知以及脑机接口等领域的研究提供支持。其应用范围涵盖从传统的波形判读到定量分析，而标准化的采集与报告流程则为可靠的临床评估和可重复的科学研究提供了保障。(acns.org)" }, { "heading": "历史发展", "text": "1875年，利物浦医师理查德·卡顿（Richard Caton）在《英国医学杂志》（British Medical Journal）上发表了一篇题为《大脑的电流》（“The Electric Currents of the Brain”）的短文，首次报告了兔和猴暴露脑表面的电活动。他利用灵敏的检流计，观察到了脑电的自发波动，而非仅仅是对外加电刺激的反应。他在1877年的后续报告中进一步描述了更大样本量动物实验的结果。这些研究为记录脑电活动奠定了实验基础，尽管当时尚未实现穿透完整人类头皮的记录。随后，阿道夫·贝克（Adolf Beck）于1890年发表的动物实验深入研究了脑电的自发振荡以及感觉刺激对其产生的改变。\n\n耶拿的精神科医生汉斯·伯格（Hans Berger）于1924年首次记录到人类的脑电，最初的研究对象是颅骨缺损的患者；他在1929年发表了关于人类脑电图的第一篇论文。这两个年份代表了不同的里程碑：首次获取记录与成果的公开发表。随后，伯格证实穿透完整的颅骨同样可以记录到脑电活动，从而确立了非手术记录方法的可行性。1934年，埃德加·道格拉斯·阿德里安（Edgar Douglas Adrian）与布赖恩·H·C·马修斯（Bryan H. C. Matthews）独立对“伯格节律”展开了验证实验。他们记录到一种频率约为每秒10次的节律（在闭眼时尤为显著），并提供了关键证据，将其大脑来源与眼球或颅部肌肉产生的电活动区分开来。\n\n临床脑电图由最初有限的记录通道逐步发展为同步多通道检测，使得同一时刻对比头部不同区域的电活动成为可能。电极安放位置也走向了标准化：赫伯特·H·贾斯珀（Herbert H. Jasper）在1958年的论文中提出了国际10–20电极系统，该系统随后被纳入专业技术规范。标准化的电极位置使不同实验室之间以及多次连续检查的空间采样更具可比性。美国临床神经生理学会（ACNS）在2016年的最低技术规范中明确强调了多通道采集的重要性，规定至少需要16个同步记录通道，以完整呈现大多数正常和异常波形的分布特征。这一规范属于最低技术标准，而非多通道脑电图的发明年份。\n\n数字化采集取代模拟纸质记录，从根本上改变了检查后数据的处理方式。传统的纸质记录只能保存由采集当时选定的电极连接、放大倍数和滤波器所生成的固定波形。而数字系统存储的是原始采样信号，后续可以根据需要以不同的增益、滤波、时间标尺以及导联组合（即以通道形式呈现的电位差排列）重新回放显示。因此，回顾性导联重组使得分析人员无需重复检查，即可在多种空间布局下反复观察同一记录事件。在2016年的修订版中，ACNS指出绝大多数机构已采用数字设备，并建议全面使用数字记录替代纸质记录仪。其数字媒体指南规定最低采集速率为每秒256次采样，量化精度至少为16位，这表明信号采集与波形显示已成为彼此独立的技术环节。\n\n数字存储还促进了同步视频、网络访问以及计算机辅助波形分析的发展。时钟同步视频使临床人员能够将肢体运动和行为表现与脑电事件直接对照，而不再单纯依赖波形旁的手写标注；ACNS在2016年的报告指南中，已将时钟同步视频纳入其技术描述范例。数字媒体标准还涵盖了事件标注、自动检测、后期处理以及用于长程视频脑电监测的服务器存储架构。这些技术进展支持通过可检索事件和可调节显示界面高效审查长时间的记录，同时完整保留原始信号以供直接读图，避免用算法自动检测完全替代人工判读。" }, { "heading": "生理起源与测量原理", "text": "头皮脑电主要反映突触后电流在细胞外的总和效应，而非单个神经元的动作电位。在兴奋性突触处，带正电荷离子的内流会形成细胞外电流汇（current sink）；细胞膜其他部位的回路电流则形成相应的源（source）。抑制性突触活动同样参与其中，其具体影响取决于突触位置与电化学驱动力。大脑皮层的锥体神经元尤为关键，因为在局部皮层区域内，它们细长的顶树突走向大致平行，且垂直于皮层表面。这种排列使各神经元的电活动能够相互叠加增强。相比之下，单个动作电位的持续时间极短且在空间上高度局限，在常规头皮记录中其影响远不如协调一致的突触后电流重要。 (ncbi.nlm.nih.gov)\n\n在头皮上检测到可辨识的电活动需要空间总和与时间总和：大量取向适宜的神经元必须产生在时间上充分重叠的电流。方向相反或时间不同步的成分可能会发生部分抵消。因此，脑电图的振幅并不简单与活跃神经元的数量或其平均发放率成正比。一个接收到高度协调突触输入的神经元群体，所产生的信号可能比一个发放更频繁但协调性较差的群体更大。生物物理模拟表明，突触输入广泛分布在锥体细胞树突各处会导致明显的相互抵消，而将输入集中在顶端或基底区域则会产生更一致的群体信号。因此，输入的空间位置和协同性与输入的强度同样重要。 (ncbi.nlm.nih.gov)\n\n空间上分离的电流汇与源可以近似表示为一个电偶极子。其取向取决于产生电流的细胞几何形态，因此皮层的褶皱会改变发生源投射到头皮的方向。通过容积传导，由此产生的电位场会穿透脑组织、脑脊液、颅骨和头皮向外扩散。这些组织具有不同的导电特性：脑脊液提供了相对高导电性的路径，而颅骨的高电阻率则会显著衰减并平滑头皮电位。因此，单个皮层发生源可以影响相距较远的多个电极，而特定电极记录到的也绝非仅仅是其正下方的皮层活动。颅骨缺损部位附近的临床记录直观地体现了这一机制：颅骨滤波作用减弱会使脑源性放电显得异常尖锐且局限。 (ncbi.nlm.nih.gov)\n\n每个记录通道测量的都是电势差，而非绝对电压：\\(V_{AB}(t)=\\phi_A(t)-\\phi_B(t)\\)，其中 \\(\\phi_A\\) 和 \\(\\phi_B\\) 分别为两个电极位点处的电势。极性代表该电位差的正负符号；调换输入端会使极性反转。更换任一电极都可能改变波形，因为两个位点都可能包含脑电活动。振幅表示电压波动的幅度，通常以微伏为单位（\\(1\\,\\mu\\mathrm{V}=10^{-6}\\,\\mathrm{V}\\)）；峰-峰振幅则是波形最大值与最小值之差。频率是每秒波动的周期数，以赫兹为单位；相位则指定了其在振荡周期内的具体位置。对于理想正弦波 \\(V(t)=A\\cos(2\\pi ft+\\theta)\\)，这些量分别由振幅 \\(A\\)、频率 \\(f\\) 和初相 \\(\\theta\\) 表示。实际脑电图包含相互重叠的振荡成分与非周期性成分，而非单一的正弦波。 (ncbi.nlm.nih.gov)\n\n局部皮层发生源在相互作用的神经网络中运作，包括皮层内部的循环连接以及丘脑-皮层回路。这些相互作用能将突触电流组织成节律，而容积传导则使每个头皮位点都混合了来自多个发生源的贡献。引入皮层与丘脑反馈的模型能够重现 10 Hz 附近的频谱峰值，并揭示节律频率如何依赖于各项生理参数。然而，这类关联并不意味着波形与心理状态之间存在一一对应关系：所测量到的模式由网络动力学、细胞几何构型、组织传导特性以及用于观测的电极对共同决定。 (pubmed.ncbi.nlm.nih.gov)" }, { "heading": "电极、仪器与记录导联", "text": "头皮电极通常由金或银-氯化银杯状电极组成，使用导电膏或导电胶固定；电极帽则提供了另一种佩戴方式。导电介质通过皮肤建立电气接触，而电极-皮肤间的电阻抗有助于评估接触质量。2023年国际临床神经生理学联盟（IFCN）与国际抗癫痫联盟（ILAE）联合标准建议阻抗低于 \\(5\\,\\mathrm{k\\Omega}\\)，低于 \\(10\\,\\mathrm{k\\Omega}\\) 亦可接受。阻抗平衡十分重要，因为接触不均会削弱放大器对输入端共模干扰的抑制能力。异常偏低的数值（低于约 \\(100\\,\\Omega\\)）可能表明电极之间存在导电桥接，而非接触极佳。电极是物理传感器；记录通道则代表两个输入端之间的电位差，因此电极数量与显示的通道数量不可混为一谈。(pmc.ncbi.nlm.nih.gov)\n\n国际 10–20 系统由赫伯特·贾斯珀（Herbert Jasper）于 1958 年确立，它按比例距离而非固定的厘米间距来排布电极。测量以鼻根、枕外隆凸以及左右耳前点为解剖标志；该名称源自沿测得的头部弧线按 10% 或 20% 的间距划分。字母代表额极、额、中央、顶、枕和颞部位置——Fp、F、C、P、O 和 T，奇数表示左侧，偶数表示右侧，“z”表示中线。因此，F3 与 F4 是额部的同源对称位置，而 Cz 则位于中央中线。扩展的 10–10 系统提供了中间点位，并将以往的 T3/T4 和 T5/T6 命名规范为 T7/T8 和 P7/P8。该系统支持更高密度的电极阵列以及针对特定区域的补充覆盖。2023 年的标准建议在可行的情况下采用 25 电极阵列，即在基础阵列的 19 个头皮点位上增加 6 个下颞部电极。(acns.org)\n\n差分放大器放大两输入端之间的差值，同时抑制其共有的共模信号。高输入阻抗可限制对电极界面的负载效应。随后，模数转换器对放大后的电压进行采样，并以数值形式表示每个采样点；采样率决定了时间间隔，而位深与输入范围则决定了电压分辨率以及削波风险。美国临床神经生理学会 2016 年的数字记录指南规定采样率至少为每秒 256 次，数字化精度至少为 16 位。采样前必须充分衰减高于采样率一半的频率成分，以防止混叠。使用已知信号进行校准可以检验幅度缩放比例与各通道响应，但并不能以此判定电极接触或头皮覆盖范围是否充分。(acns.org)\n\n采集滤波器与显示滤波器产生的影响截然不同。数字化之前的模拟滤波限制了记录中保留的频率成分；后续的显示调节无法恢复已被滤除的信息。数字回放滤波器可以随意更改，而不会改变保存的原始底层采样数据。2023 年标准建议将高通滤波的显示截止频率设为 0.5 Hz，低通滤波设为 70 Hz。提高高通截止频率会衰减慢波活动；降低低通截止频率则可能使棘波和尖波变钝。工频陷波滤波器同样可能会引起波形失真。改变显示灵敏度只会改变波形的视觉高度，而不会改变最初采集到的实际电压。(pmc.ncbi.nlm.nih.gov)\n\n导联方式是各通道导联信号的有序排列。参考导联法显示每个电极相对于一个公共参考电极的电位差 \\(V_i-V_R\\)；因此该参考点上的电活动会进入每一个通道。双极导联法则相减相邻电极，如 Fp1–F3 和 F3–C3。平均参考导联法减去所选电极集的均值 \\(V_i-\\frac{1}{N}\\sum_{j=1}^{N}V_j\\)，这使得结果取决于头皮覆盖范围以及哪些电极被计入平均值。数字记录允许在事后对这些导联设置进行回顾性对比。当共享一个电极的相邻导联出现反向偏转时，便发生双极位相倒转：例如，F3 处的相对负电位会在 Fp1–F3 和 F3–C3 中产生相反的正负号。这揭示的是所采样的头皮电位极值点，并不一定对应其正下方的皮层发生源。参考电极的选择、电极间距、发生源方向和容积传导都会影响所呈现的电场；广泛分布的电活动也可能在相邻电极之间相互抵消。(acns.org)" }, { "heading": "检查流程与记录形式", "text": "临床脑电图检查始于明确的临床问题，例如意识障碍的反复发作是否为癫痫发作。记录病史时须详细记载发作事件及其发生频率、最近一次发作的时间、相关用药情况（包括任何促眠药物）以及患者的行为状态。技师在安放头皮电极并检查接触质量后，在观察患者的同时获取可供解读的基线记录。与时间关联的事件标记可记录动作、警觉状态变化、诱发试验以及临床事件，以便后续回放分析时将波形变化与采集过程中的实际情况相互对照。这些要求详见美国临床神经生理学会（ACNS）2016年发布的技术指南。(acns.org)\n\n睁眼和闭眼试验用于检测背景节律的反应性，并有助于区分脑源性节律与眼部相关伪差。例如，枕后清醒节律通常在睁眼时衰减。过度换气与间歇性闪光刺激是须在严密监护下进行的诱发试验，旨在揭示静息状态下不明显的异常：过度换气对评估疑似失神发作尤为有效，而闪烁光刺激则用于检测光敏性反应。这两种方法均可能诱发癫痫发作。国际临床神经生理联盟（IFCN）与国际抗癫痫联盟（ILAE）于2023年联合制定的标准要求在试验前进行充分告知、排查禁忌证并保持连续观察；过度换气的禁忌证包括镰状细胞病或其致病基因携带状态，以及严重的心肺疾病。一旦出现全面性癫痫样放电，应立即终止闪光刺激。(acns.org)\n\n常规清醒脑电图主要采集觉醒状态下的信号，有时也包含嗜睡期；睡眠脑电图则专门采集睡眠状态。剥夺睡眠脑电图是指通过剥夺睡眠来促进睡眠的准备手段，而非一种独立的记录技术。睡眠有助于诱发出在清醒期未能显现的癫痫样放电。2023年的标准有条件地推荐，常规脑电图的记录时间至少为20分钟，睡眠脑电图至少为30分钟（均不包含准备时间）。这些时长仅为最低记录时限，并不能保证一定能检出异常。延长记录时间或进行重复检查可提供更多机会以捕捉间歇性放电及相关状态；临床上需审慎选择剥夺睡眠，因为它会引起患者不适并存在安全风险。(mknft.hu)\n\n动态脑电图在患者的日常环境中利用便携式多导记录仪进行监测，将观察范围延伸至实验室检查之外，从而能够采集日常生活活动以及夜间睡眠时的脑电信号。该检查可配备同步视频，但“动态”一词本身并不意味着一定包含视频。当需要将脑电改变与肉眼可见的行为相对照时，这一区别尤为关键：仅记录脑电无法提供相同的直接行为记录。ACNS于2022年发布了针对动态脑电图的专门最低技术规范。(pubmed.ncbi.nlm.nih.gov)\n\n住院长程视频脑电监测在配备专业医护人员的监测病房内，将连续脑电图与同步音视频记录相结合。在捕捉到发作事件时，医护人员可即时评估患者的反应性、语言能力、肢体动作及事后回忆情况，并将这些观察结果与脑电异常的起始和演变过程联系起来。与家庭环境下的记录相比，住院监测允许更密切的监护，在有指征时可由临床医生指导调整用药，并在出现持续性或反复发作时迅速予以干预。监测时长应根据具体临床问题以及捕捉到的典型发作事件的数量和类型进行个体化确定，而非采用通用的固定时长。捕获具有代表性的发作对于反复发作性事件的鉴别诊断至关重要，尽管部分局灶性癫痫发作在头皮脑电图上并无相应异常改变。IFCN与ILAE的住院监测联合指南于2022年发布。(neurosoft.com)" }, { "heading": "清醒、睡眠与发育过程中的正常脑电活动", "text": "脑电图（EEG）频带描述的是振荡速率，而非截然不同的精神状态。此处采用的分类惯例遵循尼克·凯恩（Nick Kane）及其同事于2017年制定的国际临床神经生理学联盟词汇表：δ波低于4 Hz，θ波为4–8 Hz，α波为8–13 Hz，β波为14–30 Hz，γ波为30 Hz以上至80 Hz。这些仅为描述性范围，而非严格的生理界限；临床与研究中的定义有所不同，尤其在频带边界划分及γ波的上限方面。仅凭频率本身并不能判定某种脑电活动是否正常：其解剖分布、组织结构、反应性，以及与年龄和行为状态的关系同样至关重要。(pmc.ncbi.nlm.nih.gov)\n\n在放松且闭目的清醒状态下，成年人的后头部优势节律通常是8–12 Hz的α节律，在枕区最为显著。它在睁眼时衰减，闭眼时恢复。正常的脑电背景组织表现为两侧大脑半球的频率大致相似（尽管波幅不一定完全相同），且前头部呈现较低波幅、较快的电活动。β活动通常出现在额中央区和颞区。感觉运动区μ节律的频率同样约为8–12 Hz，但其振幅最高处位于中央区而非枕区，且呈拱形波形。与后头部α节律不同，μ节律在肢体运动或想象运动时衰减，而非仅仅在睁眼时衰减。因此，同一频带内的两种节律在解剖分布和生理反应性上可能截然不同。(ncbi.nlm.nih.gov)\n\n嗜睡状态会导致后头部α节律衰减并断裂，θ活动增多，并伴随缓慢滚动样眼动。在浅度非快速眼动睡眠（尤其是N1期）中，顶尖波表现为在头皮顶区最为明显的尖锐瞬态波；在这一生理背景下，其尖锐形态属于正常现象。N2期的特征是出现睡眠纺锤波和K-复合波。纺锤波是呈渐强-渐弱形态的11–16 Hz（通常为12–14 Hz）连续波列，持续至少0.5秒，通常在中央区最为显著。K-复合波由一个轮廓分明的负向尖波成分后继一个正向成分组成，总持续时间至少0.5秒，在额中央区波幅最高。(ncbi.nlm.nih.gov)\n\n更深的N3期睡眠包含显著的高波幅慢波活动。在成人睡眠分期判读中，N3期的标准是额区峰-峰值至少达到75微伏的0.5–2 Hz符合条件的慢波，占据一个30秒分析期的至少20%；该操作性定义比广义的δ频带更为严格。相反，快速眼动睡眠表现为低波幅、混合频率的脑电活动，形态可类似于清醒期。快速眼动与颏肌肌张力低下提供了关键的伴随证据，这也说明了为何睡眠分期必须将脑电图与眼动及肌电记录结合使用。(pmc.ncbi.nlm.nih.gov)\n\n新生儿脑电图的判读需要参考纠正胎龄（结合出生时的胎龄与出生后的实际日龄）。不连续性——即电活动暴发与较安静的间歇期交替出现——在早产儿中属于正常现象，并随着大脑发育成熟而逐渐减弱。在健康足月新生儿中，清醒期与活动性睡眠期通常表现为连续的背景活动，而安静睡眠期则可能呈现交替描记（tracé alternant），即较高波幅与较低波幅的活动交替出现。这些随年龄和状态变化的模式并不等同于病理性脑电抑制；必须结合连续性、暴发间期活动、对称性以及睡眠-觉醒节律等多个维度进行综合评估。(ncbi.nlm.nih.gov)\n\n在婴儿期，后头部优势节律在出生后约2个月时出现，频率约为3–4 Hz，到12个月时加快至约5–7 Hz，并在许多儿童3岁时达到约8 Hz。睡眠纺锤波通常在2至3个月时出现，最初双侧大脑半球之间可能并不对称同步。儿童期的脑电背景比成人保留了更多的θ和δ活动；入睡期的显著高波幅节律性变慢被称为入睡期高同步化（hypnagogic hypersynchrony），在2至4岁儿童中尤为常见。青年后头部慢波则可一直持续至青春期或成年早期。因此，对于儿童脑电中符合年龄特征的慢波成分，不能单凭成人清醒背景的标准来进行评估。(ncbi.nlm.nih.gov)" }, { "heading": "伪迹、正常变异与判读审慎原则", "text": "伪迹是指源自大脑外部的记录信号，而正常变异则是源于大脑本身、但形态上可能类似于异常病变的脑电模式。生理性伪迹包括眼部、肌肉、心脏、排汗以及躯体运动相关的电活动。眼球相当于一个电偶极子，角膜相对视网膜呈正电位：眨眼通常会在双侧额极导联产生对称的大幅偏转，并向后部脑区逐渐衰减；眼球水平移动则会在两侧外眦附近产生极性相反的电位偏转。咀嚼、咬紧下颌或额部肌肉收缩引起的肌电活动表现为不规则、快速且波形尖锐的电位，通常在额区和颞区最为明显。这种电活动与肉眼可见运动的对应关系以及随肌肉放松而减弱的特征，有助于将其与大脑本身活动相区分。(onlinelibrary.wiley.com)\n\n心脏电活动的干扰会产生与心电图（ECG）具有时间锁时特性的周期性尖锐偏转。机械性脉搏伪迹与之不同：电极下方血管的搏动可在每次心室收缩后产生一个相对缓慢的波形。出汗会改变皮肤电位及电极–皮肤界面的物理特性，从而引起基线缓慢漂移，容易被误认为是脑源性慢波。躯体运动可能会同时诱发肌电位、导致电极位移并牵拉导线；因此其表现形态多样，从局灶性一过性异常到大范围的不规则干扰均可出现。心电通道与同步视频能够为判断这些脑外来源的干扰提供时间关联依据，避免单纯依靠波形外观作出误判。(pmc.ncbi.nlm.nih.gov)\n\n技术性伪迹包括电极突发电位（electrode \"pops\"）、接触不良、导线晃动、工频市电干扰以及邻近设备产生的电信号。仅局限于单个电极的干扰会出现在包含该电极的所有显示导联中，并在双极导联中形成类似相位倒置的现象，极易模仿局灶性棘波。接触不良和电极–皮肤阻抗增大会增加对 50 或 60 Hz 工频干扰的易感性。辅助记录通道有助于明确信号来源：国际临床神经生理联盟（IFCN）与国际抗癫痫联盟（ILAE）在 2023 年联合发布的最低标准中，规定必须设置心电通道，在怀疑存在运动发作时推荐增加肌电图通道，并阐述了利用眼电图将眼球运动与大脑慢波区分开来的方法。时间同步视频则可在疑似异常放电发生的瞬间，如实记录受检者的行为与运动情况。(onlinelibrary.wiley.com)\n\n门形波（wicket waves）充分体现了为何仅凭尖锐的波形轮廓不足以认定其属于癫痫样放电。这种颞区弓形波可单发或呈短程串状发放，多见于成人的嗜睡期或浅睡期。其频率约为 6–11 Hz，波幅可达 60–200 μV。与典型的癫痫样棘波不同，门形波后缺乏继发性慢波，也不会破坏背景节律。孤立出现的门形波片段往往比其所在的完整连续波列更具欺骗性，因此仔细检视其前后的背景记录至关重要。(ncbi.nlm.nih.gov)\n\n小尖棘波（既往称为睡眠良性癫痫样一过波）的时限通常短于 50 ms，波幅低于 50 μV。它们主要出现在嗜睡和浅睡期，常位于颞区导联，不伴有背景节律紊乱或显著的后随慢波。嗜睡期颞中区节律性θ活动表现为波形尖锐、有时呈切迹样的颞区θ节律爆发，可呈单侧或双侧分布。其频率和空间分布恒定，缺乏渐进性演变或扩散过程，这一特征使其有别于大多数发作期节律。尽管这些特征性变异在历史上曾有容易引人误解的命名，且外观尖锐，但它们本身并不能作为确诊癫痫的依据。(pmc.ncbi.nlm.nih.gov)\n\n因此，脑电图判读需要将波形形态与头皮电场分布、背景组织结构、警觉状态、时间演变规律、辅助生理信号以及临床病史综合起来进行分析。相位倒置仅反映了特定导联方式下的电位差关系，并不必然代表存在癫痫样放电发生源；同理，仅有节律性本身也不能作为癫痫发作的判定依据。在 2022 年一项基于 SCORE 标准化报告系统、针对 3,050 例常规脑电图的前瞻性研究中，嗜睡期颞区节律性θ波的检出率为 6.03%，小尖棘波为 1.05%。这类良性变异同样可能出现在伴有其他真正病理异常的记录中，因此识别出良性变异既不能用于确诊癫痫，也不能据此直接断定整份记录完全正常。(onlinelibrary.wiley.com)" }, { "heading": "异常波形与癫痫评估", "text": "局灶性慢波、广泛性慢波和背景活动杂乱主要反映脑功能受损，而非必然代表持续存在的癫痫易感性。清醒患者体内持续出现的局灶性 θ 或 δ 活动提示相应区域功能障碍；可能病因包括脑卒中、肿瘤或发作后短暂的功能障碍。广泛性慢波提示更为广泛的功能紊乱，常伴随代谢或中毒性疾病或镇静药物的作用。背景活动杂乱表现为失去与年龄和生理状态相符的预期节律、对称性或反应性。这些表现与发作间期癫痫样放电不同——后者指发作间期出现的异常瞬态电位，提示癫痫易感性。在缺乏临床背景的情况下，非特异性慢波或孤立的癫痫样放电均不能确立癫痫诊断。\n\n棘波和尖波主要根据时程加以区分：根据美国临床神经生理学学会（ACNS）2021年术语标准，棘波时程为 20 至不足 70 毫秒，而尖波时程为 70 至 200 毫秒。对癫痫样放电的判读还取决于该瞬态波的电场分布、与背景活动的分辨度、伴随的背景破坏或其后跟随的慢波，而非仅凭其尖锐外观。棘慢复合波由短暂的棘波与较慢的成分组合而成；反复出现的复合波可形成广泛性节律性放电。发作间期棘波本身并不等同于临床发作。\n\n评估发作期脑电记录时，需考查持续性波形及其在频率、形态和空间分布上的演变。局灶性发作可能产生最初局限于某一区域的节律性活动，随后出现频率改变并扩散至邻近或双侧区域。例如，颞叶发作可能表现为逐渐演变的局灶性节律性 θ 或 δ 活动，而非一连串孤立的棘波。在儿童失神癫痫中，典型的广泛性发作期图形为约 3 Hz（公认范围为 2.5–4 Hz）的棘慢波活动，伴随失神发作出现。发作间期的短暂广泛性片段可能类似于这种模式的一部分，因此结合行为表现有助于区分电放电与临床失神发作。\n\n脑电图通过放电分布、背景组织、睡眠依赖性以及记录到的发作期改变，协助进行癫痫发作分类和癫痫综合征评估。脑电图结果需结合发作病史、发病年龄、神经系统检查以及提供结构信息（而非电记录）的磁共振成像进行综合解读。发作间期脑电图正常并不能排除癫痫：癫痫样异常呈间歇性出现，即使长程记录也可能无法捕捉到。同样，捕捉到的惯常发作必须通过同步的行为表现和脑电图进行综合评估，而不能单凭波形记录下结论。视频脑电图可用于鉴别癫痫发作与非癫痫性发作，但头皮发作期未记录到放电并不足以作为非癫痫机制的充分证据；空间上高度局限的局灶性发作可能在头皮上没有可检测到的对应表现，运动伪差也可能掩盖发作期活动。\n\n术前评估需区分产生发作间期棘波的区域、记录到的发作起始区以及控制发作所需处理的脑组织；这些区域不一定完全重合。头皮发作期记录有助于提出定位假说，但快速传导可能掩盖起始点或导致定位错误。当无创检查结果不充分或存在矛盾时，可通过手术植入电极来验证特定的解剖假说。皮质脑电图通过放置在皮层表面的触点（通常为硬膜下电极网格或条状电极）进行记录，提供连续的皮层表面覆盖。立体定向脑电图则利用立体定向技术植入多触点深部电极，对选定的浅表和深部结构（包括脑沟皮层和内侧颞叶区域）进行采样。两者与常规头皮脑电图有着本质区别：它们需要侵入性植入手术，并且只能记录所选触点采样的组织。两者的互补覆盖有助于辅助定位，但都不能构成对全脑的完整监测。" }, { "heading": "重症监护、麻醉与其他临床监测", "text": "重症监护中的持续脑电图监测能够发现可能缺乏明显运动体征的癫痫发作，尤其适用于惊厥、急性脑损伤或不明原因昏迷后意识持续改变的患者。它能够区分持续存在的脑电图发作、发作后脑功能障碍以及药物镇静，并记录治疗是否成功抑制了发作活动。美国临床神经电生理学会（ACNS）2015年的共识声明建议对大多数适应证进行至少24小时的记录，监测时长应结合临床情况和脑电图表现进行个体化调整。在持续静脉输注抗癫痫药物期间，脑电记录能够揭示即便临床症状看似受控但仍然存在或复发的发作；数据采集通常持续至停药过程结束。“持续”描述的是数据采集方式，并不一定指不间断的实时判读。(acns.org)\n\n由劳伦斯·J·赫希（Lawrence J. Hirsch）等人制定的 ACNS 2021年术语规范，用于描述背景频率、对称性、连续性、电压以及对刺激的反应性。抑制是指电压低于 \\(10\\,\\mu\\mathrm{V}\\) 的电活动；爆发-抑制由较高电压的爆发波与占记录50%至99%的抑制期交替组成。周期性放电以大致规则的间隔反复出现且间隙明显，而节律性delta活动则由反复出现的慢波组成，波之间没有间隔。描述符具体规定了广泛性或局灶性分布、频率、动态演变以及相关特征。某些模式处于发作期–发作间期连续体（ictal–interictal continuum）：它们未达到明确的脑电图发作标准，但可能与功能受损或神经元损伤有关。这一命名属于描述性术语，其本身并不构成癫痫持续状态的诊断。(acns.org)\n\n在麻醉期间，脑电图可提供有关药物引起的大脑皮质活动变化的信息。在2013年的一项研究中，帕特里克·L·普尔登（Patrick L. Purdon）等人指出，丙泊酚引起的反应丧失与慢波活动增加、额叶相干alpha振荡以及枕部相干alpha活动消失相关。(pmc.ncbi.nlm.nih.gov) 经过信号处理的监测仪将特定的脑电特征简化为数值指标：例如，脑电双频指数采用0到100的量表。该类指数是一种计算输出结果，与底层波形本身不同；其官方标称功能是辅助评估某些麻醉效果。(accessdata.fda.gov) 在颈动脉内膜切除术等特定血管手术中，多通道脑电图也用于识别动脉阻断期间与脑灌注减少相关的改变，通常与其他神经电生理检测手段联合应用。(pmc.ncbi.nlm.nih.gov)\n\n在脑病中，脑电图用于表征脑功能障碍的特征及其演变，而不能特异性地确定其病因。镇静剂、抗癫痫药、体温过低以及脑损伤发生后的时间间隔均会影响背景的连续性和反应性，因此外观相同的模式在不同情况下可能具有不同的临床意义。(acns.org) 2023年成人心搏骤停后神经功能预后评估指南指出，抑制或爆发-抑制只有在自主循环恢复后至少72小时（如果采用了治疗性体温管理，则在复温后）且排除了镇静或其它相关干扰因素的情况下评估，才可作为不良功能结局的中度可靠预测指标。指南明确要求采用结合神经系统体检、影像学及其他生理测试的多模态评估，而非依赖单一的脑电图结论。(pmc.ncbi.nlm.nih.gov)\n\n脑电静止是一种脑电记录表现，并不等同于脑死亡。脑电图主要评估大脑皮质活动，无法确定脑干功能是否丧失。因此，美国神经病学学会、美国儿科学会、儿童神经病学学会和重症医学会于2023年联合发布的美国共识指南明确指出，不得将脑电图用作判定脑死亡的辅助检查。头皮记录到的脑电静止既不能替代必需的临床评估（包括脑干反射和窒息试验），也不能替代在有适应证时被认可的辅助检查手段。(pmc.ncbi.nlm.nih.gov)" }, { "heading": "定量分析与源估计", "text": "数字信号处理始于识别故障通道、选取可用时段、滤波和重参考。平均重参考法从每个通道中减去所选通道的平均电压；因此，受到污染的电极可能会影响原本可用的记录。伪影剔除直接丢弃受污染的时段，而独立成分分析（ICA）则将多通道数据分解为统计独立的成分时间进程及其头皮投影。随后在信号重建过程中可排除与眨眼、心脏活动或肌肉活动相关的成分。这些操作在生理学上并非中性：滤波可能会改变波形的振幅和时序，而剔除同时包含伪影和脑活动的成分则会将二者一并移除。ICA 成分属于数学估计值，并不能自动等同于独立的解剖发生源。Cyril Pernet 及其同事在 2020 年发布的 COBIDAS MEEG 建议中对这些依赖关系进行了探讨。(eeglab.org)\n\n频谱分析描述了信号方差在不同频率上的分布情况。傅里叶变换（通常采用快速傅里叶变换计算）将有限长度的电压片段转换为频率系数；经过适当归一化的幅值平方可提供功率估计值。功率谱密度可用 \\(\\mu\\mathrm{V}^{2}/\\mathrm{Hz}\\) 表示，对其在某一频段内积分可得到以 \\(\\mu\\mathrm{V}^{2}\\) 为单位的绝对频段功率。相对频段功率则是将该量除以指定更宽频率范围内的功率；因此，即使所关注频段的绝对功率没有增加，也可能因另一频段功率的下降而升高。滑动窗口傅里叶分析和小波方法可生成时频表征，时频谱图通过时间、频率和颜色来展示功率。较长的窗口能提高频率分辨力，但会模糊瞬时变化；较短的窗口则能提供更佳的时间定位。相对于基线的变化（包括百分比或分贝变化）与某频段占总功率的比例是不同的概念。(mne.tools)\n\n功能连接测量的是信号之间的统计关系，而非解剖学上的物理连接。平方幅值相干性为 \\(C_{xy}(f)=|S_{xy}(f)|^{2}/[S_{xx}(f)S_{yy}(f)]\\)，其中 \\(S_{xy}\\) 为互谱，\\(S_{xx}\\) 和 \\(S_{yy}\\) 分别为各自的自功率谱。其他指标用于评估相位一致性或幅度包络的相关关系。共用参考电极可能会引入共同波动，而容积传导则会使单个发生源的信号同时出现在多个电极上，从而在互不相关的神经元群之间产生表面上的虚假连接。虚部相干性和相位滞后等指标降低了对瞬时混合的敏感度，但并不能确立因果关系，也无法消除所有混杂因素。此外，估计结果还取决于片段长度、样本量、频率平滑方式以及通道或源的选择方案。(mne.tools)\n\n源估计是对正向模型的反演，正向模型用于从假想的颅内电流预测电极电压。该模型融合了电极位置、组织边界与电导率，以及候选源的位置和方向；个体磁共振图像可提供解剖几何结构。在线性表达式 \\(\\mathbf v=\\mathbf G\\mathbf j+\\boldsymbol\\epsilon\\) 中，\\(\\mathbf G\\) 为导联场矩阵，\\(\\mathbf j\\) 代表源强度，\\(\\boldsymbol\\epsilon\\) 代表噪声。这一逆问题具有非唯一性：不同的电流分布配置可能产生相同的头皮测量结果。正则化通过在数据拟合度与假设先验（如较小的电流幅度、平滑度或稀疏性）之间进行权衡来稳定估计过程。最小范数估计倾向于更低的总源强度；偶极子拟合则假定存在数量有限的发生源。由此生成的解剖定位图取决于这些假设，并受几何结构、电导率、电极配准及噪声估计中误差的影响。(mne.tools)\n\n定量趋势图将长时间记录压缩为频谱功率图、频段功率比、抑制指标或自动事件标记。它们有助于阅图人员识别需要仔细核查的时段，而不能独立决定其临床意义。由 Susan T. Herman 牵头的美国临床神经生理学会 2015 年共识声明明确指出，定量趋势图仅作为连续脑电图判读的辅助手段，并强调同步视频有助于区分伪影与状态变化。自动癫痫发作检测同样需要结合原始波形和临床背景进行复核；算法给出的标记并非经独立验证的诊断，且在某一记录人群中确立的性能并不能直接代表在另一人群中的表现。(acns.org)" }, { "heading": "实验神经科学与脑机接口", "text": "诱发电位是指与闪光、声音或外周神经刺激等感觉刺激相关的电压变化。范围更广的术语**事件相关电位**（ERP）则涵盖与知觉、准备、决策及反应相关的脑电活动。与自发的背景活动不同，ERP是相对于特定事件进行刻画的：以刺激锁定的记录会将各试次与刺激呈现的时刻对齐，而以反应锁定的记录则将其与按键等动作对齐。由于不同试次之间的反应时间存在差异，这两种对齐方式用于探讨不同的问题；若相对于刺激呈现时刻进行平均，在反应前稳定出现的活动可能会被模糊化。\n\n研究人员将连续的记录切分为以事件为中心的时间段，确立电压基线，剔除受污染的试次，并对对应的时间点进行平均。叠加平均能够在减少无关背景波动的同时，保留与事件稳定时间锁定的活动；但这并不能将任务期间发生的所有神经加工过程逐一分离出来。潜伏期描述某个成分相对于事件发生的时间，通常以毫秒为单位；而波幅则描述其电压，通常在指定时间窗内测量为峰值或均值，以微伏为单位。峰值时间和波幅部分取决于噪声水平以及所选择的测量方式。由埃米莉·卡彭曼（Emily Kappenman）及其同事于2021年开发的 ERP CORE 资源，为七种常用的 ERP 成分（涵盖与反应相关和与刺激相关的测量指标）提供了标准化的实验任务、记录和分析流程。\n\n在感觉与注意研究中，实验设计中的对比条件可以将刺激属性引起的变化与任务需求相关的变化分离开来。例如，在保持感觉输入不变的前提下，比较对注意和未注意状态下物理属性完全相同的刺激所产生的反应，能够揭示注意的调制作用；视觉注意研究已证实了早期 P1 和 N1 成分会受到此类调制。睡眠与记忆实验也将事件时序与持续节律的测量相结合。在2024年的一项高密度脑电研究中，安德烈娅·桑切斯-科尔索（Andrea Sánchez-Corzo）及其同事在受试者睡眠期间呈现与记忆相关的气味线索，观察到睡眠纺锤波的发生率和持续时间增加，同时慢振荡增强，纺锤波与其上升状态的耦合也有所加强。这些结果反映的是受控条件之间的差异以及记忆加工的潜在机制，而非对记忆内容或思维的直接读取。\n\n基于脑电的脑机接口（BCI）将选定的信号特征转换为外部设备指令，并通过反馈使用户学会控制。2004年，乔纳森·R·沃尔波（Jonathan R. Wolpaw）和丹尼斯·J·麦克法兰（Dennis J. McFarland）利用感觉运动节律在4名受试者身上实现了二维光标控制。通过对左右感觉运动皮层上 8–12 Hz 的 μ 节律或 18–26 Hz 的 β 节律活动进行加权组合，分别控制了水平和垂直方向的运动。光标每50毫秒更新一次，自适应算法在每个试次后调整特征权重。受试者在训练初期通常采用运动想象；而成功控制依赖于习得的节律调制能力，而非对任意意图的解码。\n\n受试者完成了22至68次训练。在最后三次训练中，受试者在10秒时限内的目标命中率达到70%至92%；成功试次的平均移动时间为1.9至3.9秒。这些结果证实了该技术在经过训练的个体中的可行性，但并不意味着具备广泛的人群适用性。实际评估还需要分别考量个体间差异、电极安装、跨天记录稳定性、校准、疲劳以及辅助需求等因素。因此，居家使用研究评估的是持续运行表现和用户体验，而不仅仅是实验室环境下的准确率。独立评估还必须将模型在未见过的记录及用户上的表现，与在用于特征选择或微调解码器的数据上的表现区分开来；利用独立测试集进行的评估，与在自适应训练过程中观察到的持续性能提升所探讨的问题截然不同。" }, { "heading": "能力、局限性及互补方法", "text": "脑电图能够在毫秒级时间尺度上跟踪神经元群体电活动的变化，因而适合用于分辨可能被较慢测量手段混淆或合并的事件发生时间与先后顺序。头皮脑电设备可在床旁使用或用于动态监测，且这种无电离辐射的被动式采集允许进行长时间和重复的观察。然而，技术层面的采样并不等同于生理学上的确定性：以 \\(1{,}000\\) Hz 的频率采样，意味着每毫秒产生一次电压测量值，但并不能保证识别出该时间间隔内发生的所有神经事件。能否检出还取决于信号幅度、噪声、滤波，以及活动组织是否能在头皮产生可测量的电场。(camelice.org)\n\n空间特异性受到一定限制，因为电流经脑组织、脑脊液、颅骨和头皮扩散后，每个电极接收到的都是来自多个发生源的贡献。组织导电率的差异会重塑并拓宽体表电位分布；因此，头皮上测得的最大电压未必正位于其发生源的正上方。源的强度、深度、取向，以及受累皮层的范围和同步性都会影响检测灵敏度。来自不同取向皮层表面的信号贡献可能会部分相互抵消，而深部或局限区域的活动则可能被更强的表层活动所掩盖。增加电极密度可以改善空间采样，但无法消除反问题的不唯一性：不同的源分布构型可能会产生相似的头皮测量结果。(pmc.ncbi.nlm.nih.gov)\n\n2022年发表的一项头皮电极与立体定向深部电极同步记录的研究，清晰阐明了“连续记录”与“检出所有事件”之间的区别。在接受耐药性癫痫评估的27名患者中，深部电极共记录到172次癫痫发作，但其中仅有100次在头皮脑电图上呈现出可识别的发作期模式。头皮脑电图检出了33%的局灶伴意识清楚发作和33%的亚临床发作，相比之下，局灶伴意识障碍发作的检出率为97%，局灶进展为双侧强直-阵挛发作的检出率则为100%。这些数据来自特定的外科评估患者人群，并不代表普遍的灵敏度估计值。然而，它们印证了为何头皮脑电图未见相应变化本身并不能排除癫痫发作，尤其是在异常活动仍局限于局部区域时。(pmc.ncbi.nlm.nih.gov)\n\n脑磁图检查（MEG）测量由神经电流产生的磁场而非头皮电位差，同时仍保留了毫秒级的时间敏感度。它对信号源的敏感性与脑电图不同：脑磁图对近似径向取向源的敏感度通常远低于切向取向源，而脑电图对这两种取向均可检测。在2010年的一项真实头部建模研究中，塞波·阿尔福斯（Seppo Ahlfors）及其同事发现，脑磁图在最不敏感源取向与最敏感源取向之间的比值中位数为0.06，而脑电图为0.63。因此，同一种神经元活动在这两种检查方式中的可见度可能存在显著差异；将二者结合能够提供更多互补信息，而非仅仅是简单的重复测量。这两种模态都不能直接提供解剖图像，信号源的定位仍然需要依赖源模型。(pmc.ncbi.nlm.nih.gov)\n\n结构性磁共振成像利用磁场和射频激发获取取决于不同组织的信号，描绘的是解剖结构和结构性病变，而非脑电图所测量的快速电波动。功能性磁共振成像（fMRI）通常测量血氧水平依赖（BOLD）对比度，这是一种间接的血管反应，其以秒计的演变过程有别于毫秒时间尺度上的电活动。因此，这些方法可以反映同一事件的不同侧面。2002年，克里斯蒂安·贝纳尔（Christian Bénar）及其同事在80分钟的同步EEG-fMRI采集中研究了4名局灶性癫痫患者，利用脑电图放电的时间点来分析相关的BOLD响应。这种对应关系将电事件与局部血流动力学变化联系起来；但两种信号都不能单独作为全部神经活动的完整记录。在临床记录中，诊断阳性率同样取决于拟解决的问题、电极覆盖范围、记录时长以及是否采集到了相关状态或日常发作事件；正因如此，2023年IFCN-ILAE标准对常规脑电图与睡眠脑电图记录进行了区分。(nibib.nih.gov)" }, { "heading": "规范、安全性与研究可复现性", "text": "国际临床神经生理学联盟（IFCN）与国际抗癫痫联盟（ILAE）联合制定国际脑电记录规范。两组织于2023年发布的常规与睡眠脑电图指南包含16条基于共识的建议，涵盖适应证、技术要求、记录时长、睡眠诱导以及诱发试验。该指南的证据审查采用了规范的质量评估方法，并在缺乏强力证据时借助改良德尔菲法达成共识。美国临床神经生理学学会（ACNS）发布了互为补充的技术规范，涉及临床采集、电极命名、导联组合、数字化记录和报告撰写，并制定了适用于特定场景的术语规范（包括2021年发布的重症监护脑电图术语）。这些文件规范了记录的采集与描述方式，而非取代临床判断。(pubmed.ncbi.nlm.nih.gov)\n\nACNS于2016年发布的报告撰写指南由威廉·奥·塔图姆（William O. Tatum）等人执笔，将报告划分为五个部分：病史、技术说明、脑电图描述、印象以及临床相关性分析。病史部分明确临床拟诊问题及相关用药情况。技术说明涵盖记录时长、采样的行为状态、电极布局、诱发试验以及影响结果判读的局限因素。描述部分如实记录背景节律组织、对称性、反应性、睡眠特征、异常放电及捕获的事件，避免将客观观察与临床诊断混为一谈。印象部分指出主要发现及其意义；临床相关性分析则将这些发现与患者就诊时的拟诊问题联系起来。如实记录伪迹或采样不完整的情况，有助于明确报告作为证据的有效边界。(acns.org)\n\n常规头皮脑电图通过电极测量电压差，并不向大脑施加电刺激。电极贴附部位可能会出现局部发红或皮肤发炎。诱发试验则伴随特定风险：过度通气可能引起头晕；对于易感人群，过度通气和闪光刺激还可能诱发癫痫发作，因此必须在专业监护下规范开展。这些风险与颅内脑电记录的风险截然不同。植入皮层表面电极网格、电极条或深部电极需要施行神经外科学手术，并会引入感染和颅内出血等风险，偶有需要二次手术的情况。通过植入触点进行电刺激属于另一类独立操作，并非被动脑电记录的固有组成部分。(nhs.uk)\n\n科学研究的可复现性要求对数据采集和分析全过程中的各项决策予以详细记录。人类脑图谱学会（OHBM）COBIDAS委员会于2020年发布的脑磁图与脑电图（MEEG）建议由西里尔·佩尔内（Cyril Pernet）等人提出，涵盖实验设计、采集、分析、报告撰写与数据共享等方面。需要详细记录的关键信息包括受试者筛选标准、试次结构与时间参数、记录参考电极、采样率与滤波设置、剔除的通道和时间窗（epoch）、伪迹去除标准以及所用软件的版本。统计报告应明确结果变量、分析时间窗、不确定性估计，以及跨电极、时间或频率维度的多重检验校正方法。共享分析代码并完整保留处理参数，可使其他研究团队能够实际复现整个工作流程，而不仅局限于复述其文字描述。(cibm.ch)\n\n对自动化模型进行评估时，还必须严格隔离模型开发集与独立测试集。若要证明模型对未见患者具备泛化能力，绝不能将来自同一位受试者的数据片段切分至训练集与测试集：模型学到的可能只是该受试者特有的记录特征，而非目标病理状态。2024年的一项转化脑电图研究证实了这种数据泄漏机制：在癫痫发作分类实验中，若采用基于片段的随机划分，准确率可达79.1%；而改用严格基于受试者的划分后，准确率下降至65.1%。特征选择、参数化归一化以及超参数调优同样应当严格限制在训练流程之内，并保留一份未经任何接触的测试集用于最终评估。因此，数据划分的基本单位直接决定了模型所报告的性能指标究竟在检验何种层面的泛化能力。(pmc.ncbi.nlm.nih.gov)\n\n于2019年发布的 EEG-BIDS 与 iEEG-BIDS 规范提供了一套标准化的研究数据组织方案，但并不等同于匿名化保证。这些标准结合了文件命名规范与机器可读的元数据，用以描述通道信息、记录设置、实验事件以及电极坐标（若适用）；iEEG-BIDS 还支持颅内电极触点的定位与坐标系统记录。知情同意与数据隐私保护属于两项独立的职责要求。身份标识信息仍可能残留于文件头、临床标注、影像资料或同步采集的音视频之中。因此，在共享数据时，必须审慎核实知情同意的授权范围、彻底清除各类标识符，并建立得当的访问权限控制机制；仅为受试者分配编号或通过格式校验器检测，本身并不能确保数据已实现完全匿名化。(pure.ed.ac.uk)" } ], "links": [ "electrode", "brain", "neuron", "epilepsy", "electric-current", "action-potential", "synapse", "electric-dipole", "electric-potential", "electrical-impedance", "calibration", "diagnosis", "magnetic-resonance-imaging", "consciousness", "anesthesia", "brain-death", "signal-processing", "fourier-transform", "fast-fourier-transform", "correlation", "inverse-problem", "regularization", "experimental-design", "test-set", "neurosurgery", "reproducibility", "multiple-testing", "data-leakage", "generalization", "informed-consent", "data-privacy" ], "sources": [ { "title": "Adolf Beck: A pioneer in electroencephalography in between Richard Caton and Hans Berger", "url": "https://pmc.ncbi.nlm.nih.gov/articles/PMC3902832/" }, { "title": "The Berger Rhythm: Potential Changes from the Occipital Lobes in Man", "url": "https://docs.backyardbrains.com/assets/files/AdrianMathews-1934-EEG-recordings-4f74d8f2f457d02d53d5c8c9bd21092b.pdf" }, { "title": "American Clinical Neurophysiology Society Guideline 5: Minimum Technical Standards for Pediatric EEG", "url": "https://www.acns.org/UserFiles/file/Guideline5-MinimumTechnicalStandardsforPediatricEEG.pdf" }, { "title": "American Clinical Neurophysiology Society Guideline 1: Minimum Technical Requirements for Performing Clinical Electroencephalography", "url": "https://www.acns.org/UserFiles/file/EEGGuideline1Tech.pdf" }, { "title": "EEG Guidelines Introduction", "url": "https://www.acns.org/UserFiles/file/EEGGuidelineintro.pdf" }, { "title": "American Clinical Neurophysiology Society Guideline 4: Recording Clinical EEG on Digital Media", "url": "https://www.acns.org/UserFiles/file/Guideline4-RecordingClinicalEEGonDigitalMedia_v1.pdf" }, { "title": "American Clinical Neurophysiology Society Guideline 7: Guidelines for EEG Reporting", "url": "https://doi.org/10.1097/WNP.0000000000000319" }, { "title": "Basic Mechanisms Underlying Seizures and Epilepsy", "url": "https://www.ncbi.nlm.nih.gov/books/NBK2510/" }, { "title": "On the validity of electric brain signal predictions based on population firing rates", "url": "https://journals.plos.org/ploscompbiol/article?id=10.1371/journal.pcbi.1012303" }, { "title": "Focal Epileptiform Discharges Can Mimic Electrode Artifacts When Recorded on the Scalp Near a Skull Defect", "url": "https://pmc.ncbi.nlm.nih.gov/articles/PMC6104203/" }, { "title": "Introduction — Electroencephalography (EEG): An Introductory Text and Atlas of Normal and Abnormal Findings in Adults, Children, and Infants", "url": "https://www.ncbi.nlm.nih.gov/books/NBK390346/" }, { "title": "Fine spatiotemporal structure of phase in human intracranial EEG", "url": "https://pubmed.ncbi.nlm.nih.gov/16737849/" }, { "title": "Prediction of electroencephalographic spectra from neurophysiology", "url": "https://pubmed.ncbi.nlm.nih.gov/11308514/" }, { "title": "Routine and sleep EEG: minimum recording standards of the International Federation of Clinical Neurophysiology and the International League Against Epilepsy", "url": "https://pmc.ncbi.nlm.nih.gov/articles/PMC10006292/" }, { "title": "American Clinical Neurophysiology Society Guideline 2: Guidelines for Standard Electrode Position Nomenclature", "url": "https://www.acns.org/UserFiles/file/Guideline2-GuidelinesforStandardElectrodePositionNomenclature_v1.pdf" }, { "title": "Guideline 3: A Proposal for Standard Montages to Be Used in Clinical EEG", "url": "https://www.acns.org/UserFiles/file/EEGGuideline3Montage_final20160323revclean_v1.pdf" }, { "title": "Guideline 4: Recording Clinical EEG on Digital Media", "url": "https://www.acns.org/UserFiles/file/EEGGuideline4Digital.pdf" }, { "title": "Appendix 2. Principles of Digital EEG", "url": "https://www.ncbi.nlm.nih.gov/books/NBK390353/?report=printable" }, { "title": "American Clinical Neurophysiology Society Guideline 1: Minimum Technical Requirements for Performing Clinical Electroencephalography", "url": "https://www.acns.org/UserFiles/file/EEGGuideline1Tech_finalrev20160411clean_v1.pdf" }, { "title": "Routine and sleep EEG: Minimum recording standards of the International Federation of Clinical Neurophysiology and the International League Against Epilepsy", "url": "https://www.mknft.hu/wp-content/uploads/2023/03/2023.-Peltola_Routine-and-sleep-EEG_minimum-standards-of-the-IFCN-and-ILAE.pdf" }, { "title": "Minimum Technical Requirements for Performing Ambulatory EEG", "url": "https://pubmed.ncbi.nlm.nih.gov/35916885/" }, { "title": "Minimum standards for inpatient long-term video-EEG monitoring: A clinical practice guideline of the international league against epilepsy and international federation of clinical neurophysiology", "url": "https://neurosoft.com/files/catalog/catalog/1677/en/files/ILAE-and-IFCN-LTM-Guidelines.pdf" }, { "title": "A revised glossary of terms most commonly used by clinical electroencephalographers and updated proposal for the report format of the EEG findings. Revision 2017", "url": "https://pmc.ncbi.nlm.nih.gov/articles/PMC6123891/" }, { "title": "The Normal EEG", "url": "https://www.ncbi.nlm.nih.gov/books/NBK390343/" }, { "title": "ATS Core Curriculum 2016: Part I. Adult Sleep Medicine", "url": "https://pmc.ncbi.nlm.nih.gov/articles/PMC5461994/" }, { "title": "The AASM Manual for the Scoring of Sleep and Associated Events: Summary of Updates in Version 2.0", "url": "https://aasm.org/wp-content/uploads/2017/11/Summary-of-Updates-in-v2.0-FINAL.pdf" }, { "title": "Technical standards for recording and interpretation of neonatal electroencephalogram in clinical practice", "url": "https://pmc.ncbi.nlm.nih.gov/articles/PMC2811985/" }, { "title": "The Developmental EEG: Premature, Neonatal, Infant, and Children", "url": "https://www.ncbi.nlm.nih.gov/books/NBK390356/" }, { "title": "Protocol for designing, conducting, and analyzing event-related potentials in human participants", "url": "https://pmc.ncbi.nlm.nih.gov/articles/PMC12151294/" }, { "title": "The Effects of Electrode Impedance on Data Quality and Statistical Significance in ERP Recordings", "url": "https://pmc.ncbi.nlm.nih.gov/articles/PMC2902592/" }, { "title": "Methodological aspects of EEG and body dynamics measurements during motion", "url": "https://pmc.ncbi.nlm.nih.gov/articles/PMC3970018/" }, { "title": "Routine and sleep EEG: Minimum recording standards of the International Federation of Clinical Neurophysiology and the International League Against Epilepsy", "url": "https://camelice.org/wp-content/uploads/2023/04/Routine-and-sleep-EEG-Minimum-recording-standards-of-the-internationa-federation-of-clinical-neurophysiology-and-the-international-league-against-epilepsy.pdf" }, { "title": "Benign Variants in the EEG", "url": "https://www.ncbi.nlm.nih.gov/books/NBK390352/" }, { "title": "EEG normal variants: A prospective study using the SCORE system", "url": "https://pmc.ncbi.nlm.nih.gov/articles/PMC9294211/" }, { "title": "The Abnormal EEG", "url": "https://www.ncbi.nlm.nih.gov/books/NBK390357/?report=printable" }, { "title": "EEG in the Epilepsies", "url": "https://www.ncbi.nlm.nih.gov/books/NBK390347/" }, { "title": "American Clinical Neurophysiology Society’s Standardized Critical Care EEG Terminology: 2021 Version", "url": "https://pmc.ncbi.nlm.nih.gov/articles/PMC8135051/" }, { "title": "Childhood Absence Epilepsy (CAE): EEG", "url": "https://www.epilepsydiagnosis.org/syndrome/cae-eeg.html" }, { "title": "Consensus Statement on Continuous EEG in Critically Ill Adults and Children, Part I: Indications", "url": "https://www.acns.org/UserFiles/file/Consensus_Statement_on_Continuous_EEG_in.1.pdf" }, { "title": "American Clinical Neurophysiology Society’s Standardized Critical Care EEG Terminology: 2021 Version", "url": "https://www.acns.org/UserFiles/file/ACNSStandardizedCriticalCareEEGTerminology_rev2021.pdf" }, { "title": "Electroencephalogram signatures of loss and recovery of consciousness from propofol", "url": "https://pmc.ncbi.nlm.nih.gov/articles/PMC3607036/" }, { "title": "BARM – Traditional 510(k)", "url": "https://www.accessdata.fda.gov/cdrh_docs/pdf21/K213273.pdf" }, { "title": "Indications for use for BIS EEG Monitor System (VISTA Monitor and BISx4), and the BISx device", "url": "https://www.accessdata.fda.gov/cdrh_docs/pdf7/K072286.pdf" }, { "title": "Carotid Endarterectomy Surgeries: A Multimodality Intraoperative Neurophysiological Monitoring Approach", "url": "https://pmc.ncbi.nlm.nih.gov/articles/PMC9348437/" }, { "title": "Guidelines for Neuroprognostication in Comatose Adult Survivors of Cardiac Arrest", "url": "https://pmc.ncbi.nlm.nih.gov/articles/10241762/" }, { "title": "Pediatric and Adult Brain Death/Death by Neurologic Criteria Consensus Guideline: Report of the AAN Guidelines Subcommittee, AAP, CNS, and SCCM", "url": "https://pmc.ncbi.nlm.nih.gov/articles/PMC10791061/" }, { "title": "Independent Component Analysis for artifact removal", "url": "https://eeglab.org/tutorials/06_RejectArtifacts/RunICA.html" }, { "title": "Issues and recommendations from the OHBM COBIDAS MEEG committee for reproducible EEG and MEG research", "url": "https://cibm.ch/wp-content/uploads/s41593-020-00709-0.pdf" }, { "title": "Frequency and time-frequency sensor analysis", "url": "https://mne.tools/stable/auto_tutorials/time-freq/20_sensors_time_frequency.html" }, { "title": "mne_connectivity.spectral_connectivity_epochs", "url": "https://mne.tools/mne-connectivity/stable/generated/mne_connectivity.spectral_connectivity_epochs.html" }, { "title": "Algorithms and other implementation details", "url": "https://mne.tools/stable/documentation/implementation.html" }, { "title": "Tutorials/SourceEstimation", "url": "https://neuroimage.usc.edu/brainstorm/Tutorials/SourceEstimation" }, { "title": "Event-related brain potentials: an introduction", "url": "https://pages.ucsd.edu/~scoulson/cogs179/ColesRugg1995chpt1.pdf" }, { "title": "ERP CORE: An open resource for human event-related potential research", "url": "https://www.emilykappenman.org/wp-content/uploads/2021/07/Kappenman-et-al_2021_NeuroImage_ERP-CORE-An-open-resource-for-human-event-related-potential-research.pdf" }, { "title": "How does noise affect amplitude and latency measurement of event-related potentials (ERPs)? A methodological critique and simulation study", "url": "https://pubmed.ncbi.nlm.nih.gov/23216521/" }, { "title": "Event-related brain potentials in the study of visual selective attention", "url": "https://pmc.ncbi.nlm.nih.gov/articles/PMC33798/" }, { "title": "Control of a two-dimensional movement signal by a noninvasive brain-computer interface in humans", "url": "https://www.neurotechcenter.org/sites/default/files/misc/Control%20of%20a%20two-dimensional%20movement%20signal%20by%20a%20noninvasive%20brain-computer%20interface%20in%20humans.pdf" }, { "title": "Independent home use of a brain-computer interface by people with amyotrophic lateral sclerosis", "url": "https://www.neurotechcenter.org/sites/default/files/misc/Independent%20home%20use%20of%20a%20brain-computer%20interface%20by%20people%20with%20amyotrophic%20lateral%20sclerosis.pdf" }, { "title": "Table 1, Main features to compare MEG and EEG", "url": "https://www.ncbi.nlm.nih.gov/books/NBK597471/table/ch9.Tab1/?report=objectonly" }, { "title": "Sensitivity of MEG and EEG to Source Orientation", "url": "https://pmc.ncbi.nlm.nih.gov/articles/PMC2914866/" }, { "title": "The Sensitivity of Scalp EEG at Detecting Seizures—A Simultaneous Scalp and Stereo EEG Study", "url": "https://pmc.ncbi.nlm.nih.gov/articles/PMC8290181/" }, { "title": "Magnetic Resonance Imaging (MRI)", "url": "https://www.nibib.nih.gov/science-education/science-topics/magnetic-resonance-imaging-mri" }, { "title": "The BOLD response to interictal epileptiform discharges", "url": "https://pubmed.ncbi.nlm.nih.gov/12414258/" }, { "title": "Routine and sleep EEG: Minimum recording standards of the International Federation of Clinical Neurophysiology and the International League Against Epilepsy", "url": "https://pubmed.ncbi.nlm.nih.gov/36762397/" }, { "title": "Guidelines and Consensus Statements", "url": "https://www.acns.org/practice/guidelines" }, { "title": "Guideline 7: Guidelines for EEG Reporting", "url": "https://www.acns.org/UserFiles/file/EEGguideline7Report.pdf" }, { "title": "EEG (electroencephalogram)", "url": "https://www.nhs.uk/tests-and-treatments/electroencephalogram/" }, { "title": "Routine EEG", "url": "https://www.cuh.nhs.uk/patient-information/routine-eeg/" }, { "title": "Day case EEG", "url": "https://www.guysandstthomas.nhs.uk/health-information/day-case-eeg" }, { "title": "Invasive EEG monitoring", "url": "https://www.gosh.nhs.uk/conditions-and-treatments/procedures-and-treatments/invasive-monitoring/" }, { "title": "Data leakage in deep learning studies of translational EEG", "url": "https://pmc.ncbi.nlm.nih.gov/articles/PMC11099244/" }, { "title": "Data leakage in deep learning studies of translational EEG", "url": "https://www.frontiersin.org/journals/neuroscience/articles/10.3389/fnins.2024.1373515/pdf" }, { "title": "Achieving Reproducibility in EEG-Based Machine Learning", "url": "https://facctconference.org/static/papers24/facct24-98.pdf" }, { "title": "EEG-BIDS, an extension to the brain imaging data structure for electroencephalography", "url": "https://www.pure.ed.ac.uk/ws/portalfiles/portal/98143283/s41597_019_0104_8.pdf" } ], "license": "https://creativecommons.org/licenses/by/4.0/" }